如何充分利用麦肯锡发布的人工智能10大洞察？

对于一个科技周边开发者来说，牢固扎实的基础是十分重要的，golang学习网就来带大家一点点的掌握基础知识点。今天本篇文章带大家了解《如何充分利用麦肯锡发布的人工智能10大洞察？》，主要介绍了，希望对大家的知识积累有所帮助，快点收藏起来吧，否则需要时就找不到了！

无需改变原意，需要重写的内容是：图片来源：视觉中国

重新撰写内容，不改变原本的意思，需要将语言改写成中文，不需要出现原句

千呼万唤，麦肯锡公司终于发布了2023Q3人工智能洞察报告TOP10，其中关于生成式AI的报告就占了半壁江山。

报告《The state of AI in 2023: Generative AI’s breakout year》分析了在全球各个地区和行业内，企业对人工智能的部署和使用情况，并且认为人工智能的广泛使用将对各行各业产生重大影响。

接下来，我们将从中国的角度出发，一起浏览这篇报告

01 全球生成式AI采用：领先企业强在哪里

第一，尽管生成式AI公开不久，但人们对它并不陌生。

根据调查结果显示，79%的受访者表示他们曾接触过AIGC，而22%的受访者则表示他们在工作中经常使用AIGC

从企业层面来说，AIGC也得到了广泛使用，三分之一的受访者表示，他们所在的企业已经在至少一项功能中定期使用AIGC。

在表示其企业使用人工智能的受访者中，40%的人表示，由于AIGC的应用，他们的公司预计将在人工智能方面投入更多资金，28%的人表示，AIGC的使用已经列入公司董事会的议程。

第二，AI高绩效企业更倾向于在产品和服务开发中使用人工智能。不同于大多数将AIGC作为降本手段的企业，AI高绩效企业对AIGC的首要目标是创造全新业务或收入来源，并基于人工智能的新功能提高现有产品的价值。

这些企业的受访者指出，他们面临的首要挑战是与模型和工具相关的问题，例如在生产过程中监控模型的性能，并根据需要重新训练模型。与此相比，其他受访者则提到了一些更为宽泛的战略性问题

关于AI领先企业和其他企业的区别，适道曾在文章中指出：AI领先企业在治理、部署、合作伙伴、人员和数据可用性等5方面存在一定共性。感兴趣可以点击查看。

第三，人工智能相关人才的需求发生转变。过去一年里，采用人工智能的企业最常雇佣的人员是：数据工程师、机器学习工程师和人工智能数据科学家。与以往的调查相比，现在招聘人工智能相关软件工程师的比例要小得多（最新调查为28%，低于上次调查的39%）。另外，随着AIGC的广泛应用，企业对提示工程(Prompt Engineering)技能的需求也在增加。

适道认为，人工智能人才储备可能也在影响国内企业部署AI的速度。麦肯锡另一份报告指出，中国企业侧重于招募软件工程师、数据工程师等技术人才，却忽视了AI转译员、设计师等关键人才。据悉，2022年，近半数中国企业聘用了软件工程师，而招募转译员的公司仅有6%，远低于领先国家的14%。这个数据值得关注。

第四，报告指出：虽然AIGC工具的使用正在迅速普及，但数据并没有显示这些新工具正在推动企业全面采用人工智能。就目前而言，采用人工智能的企业在比例上总体保持稳定， 55%的受访者表示他们的企业已经采用了人工智能。

不过，大多数受访者表示，在应用人工智能的每个业务功能中，人工智能相关的收入都有所增加。展望未来，尽管AI整体采用率保持在55%左右，但超过三分之二的人预计其所在公司将在未来三年增加对AI的投资。

02 中国生成式AI行业：尚处于早期阶段

生成式AI已进入高速成长期。就目前来看，中国的市场规模约是全球总量的1/10，预计到2025年将达到2000亿元人民币，平均年增速超过60%。

毫无疑问，未来投资者将纷纷入场，潜在企业、个人用户对生成式AI工具的功能抱有期待，这些无不说明，行业的春天已经到来。

当前国内的GenAI（生成式AI）行业呈现出哪些特点呢？

专用硬件：尽管基础建设资源受限，但国产化进程不断加速

由于无法获得高端GPU芯片A100与H100，国产大模型研发机构在算力上遭遇瓶颈。虽然中国本土芯片研发厂商加强科研，新开发芯片的算力规模可达到2000TOPS（目前国产GPU的算力规模大多在1000TOPS以内），但距离国际领先的H100芯片4000TOPS算力仍有一定差距。

基础模型：行业大模型可能是国产GenAI的出路。

需要进行改写的内容是：一方面，虽然通用大模型需要进行训练，但全球中文网站的数量仅占总量的1.4%，可供训练的公开中文语料库数量有限且质量参差不齐。另一方面，由于保护用户隐私的原因，国内用户在网站和移动应用上产生的大部分数据无法用于大模型的训练，这对模型的训练效率和准确性都带来了不利影响

因此，相较于适用于多领域、多任务的通用大模型，行业大模型更依赖于开发者对垂直场景的理解和海量行业数据支持。在算力受限的背景下，行业大模型更有可能成为中国GenAI厂商的制胜赛道。

应用：中国的创业公司目前还处于早期阶段，主要集中在一些特定领域

国内GenAI领域的创业公司融资轮次靠前，集中在天使轮到Pre-A轮之间，融资金额大多小于1亿元人民币，正处于方兴未艾的发展初期，行业潜力巨大。

在海外的GenAI行业中，科创企业的规模相对较大，出现了许多在细分应用领域中独一无二的独角兽企业。其中，总部位于伦敦的一家全球化AI研究型企业的估值高达38亿美元

另外，国内GenAI垂直应用领域主要聚焦文本、图像和音视频生成，海外市场则在上述领域以外出现了大量基于GenAI的开发平台、数据分析平台及代码编写平台，其原因在于海外以早期程序语言编写的系统较多，许多企业面临较高编程人力成本，因此对编程辅助软件有较高需求。

03 行业分布集中，大部分企业还在摸索商业模式

中国GenAI行业的商业化应用呈现出了两大特点：

一是行业分布集中，主要集中在商业化发展较成熟的优势产业。

在国内，GenAI应用发展最快的领域包括电商、传媒、娱乐和游戏，尤其是数字虚拟人和电商视频营销，而大部分传统行业（如金融、能源、教育等）仍处于小规模试点阶段。

GenAI应用之所以能在互联网电商平台蓬勃发展，原因在于中国拥有优质的电商和供应链生态以及庞大的消费者群体，为GenAI应用落地提供了机会

典型的行业应用案例包括：视频行业某生成式AI的3D短视频内容厂商、电商行业的某领先GenAI视频大模型研发企业、游戏行业的某互联网平台旗下游戏与AI研究和应用机构等。

在上述企业中，有一些生成式AI的3D短视频内容厂商。他们可以根据文本生成3D视频内容，并通过抖音、快手、B站等短视频平台进行推广。这样一来，短视频内容生产者的创作效率得到了极大的提高

GenAI视频大模型研发企业则深耕电商行业，以AI生成虚拟人主播，赋能各行业、各品牌电商。

游戏和人工智能研究和应用机构利用人工智能技术开发了AI陪玩和AI竞技机器人，并通过自然语言处理技术为非玩家角色赋予了人物形象，使其能够在游戏中与玩家进行互动对话

二是大部分企业处于积极探索自身商业模式的早期阶段。

行业分布过于集中，且更多是面向C端用户，这是一个存在问题的地方。听起来很美好，但实际上有一些挑战需要面对

正如适道探讨过的：互联网时代不同于大模型时代。在互联网时代，“流量”是免费的，在总运营成本不变的情况下，用户越多，网络的价值就越大。而在大模型时代，算力有成本的，每多增加一个用户，就要实打实地付出算力，这就导致补贴没有任何意义。你的新用户越多，你反而可能越赚不到钱。

因此，面向B端企业客户或许更能代表未来人工智能公司的方向。

在欧美市场，大规模企业客户群体是主流。SaaS付费订阅模式已基本成熟，一众海外GenAI企业利用成熟的SaaS市场，将GenAI应用到高科技、通信及各种传统行业（如医疗、教育等），应用范围更加广泛

在国内市场， GenAI企业目标客群多为终端。用户企业对软件的付费意愿不高、市场有待进一步培育，且企业对SaaS部署方式存在数据安全方面的顾虑，大规模应用GenAI的商业模式仍有待探索。

目前，国内市场主流的商业模式有云资源销售、模型API调用、软件即服务收费、素材收费等

总的来说，大部分国内市场的GenAI创业公司刚刚完成标准化产品输出，开始进入初级商业化探索阶段。而随着中国SaaS市场成熟以及企业付费意愿的提升，国内文本生成和图像生成初创企业预计将快速拓展至企业客户市场。

六个灵魂拷问：人工智能技术如何转化为经济效益？

研究显示，仅9%的中国企业计划凭借部署AI实现超10%的营收增长，而领先国家有19%的企业有望实现这一目标。同样，就利润贡献率而言，仅有7%的中国企业称AI对EBIT的贡献率突破20%，而领先国家有14%的企业突破了这一比例。

结果表明，中国企业亟需提高变现能力，将AI技术的潜力转化为切实的经济效益。

除了上述的AI转译员储备不足，中国企业部署AI较领先国家落后的原因还可能是：

1. 总体AI战略欠佳：在受访的中国企业中，AI战略与公司总体战略相契合的企业不足30%；在受访高管中，完全认可AI战略的高管仅有25%。
2. 不重视内部培训：仅30%左右的中国企业依靠内训培养AI人才，明显低于45%的全球均值。

那么，为尽快部署生成式AI并从中成功发掘价值，企业必须首先思考六大关键问题：

1. 在什么业务环节部署生成式AI才能创造最高的价值？能够帮助您增强竞争优势的关键用例有哪些？
2. 您最重要且可供AI学习的数据资产有哪些？
3. 您的技术运营模式是怎样的？
4. 您是否拥有需要的AI人才，可实现业务与技术的无缝整合，并将AI的潜力转化为价值？
5. 您是否已制定风险协议，以化解生成式AI的模型风险（如应对模型“幻觉”）？
6. 您计划如何推进变革管理，从而推广生成式AI，达成业务目标？

麦肯锡指出，企业必须回答上述问题，并克服各种挑战，以便能够快速建立所需的能力，充分释放生成式人工智能的潜力，并及时获取这一颠覆性技术所能创造的经济效益

尽管目前国内外市场在诸如大模型开发、应用布局、商业模式等多个领域都存在较大差异，但我们能看到中国GenAI行业正在不断追赶国际领先水平，预计未来中国GenAI相关技术和应用将逐渐成熟，并进一步探索出适合自身发展的商业模式。

理论要掌握，实操不能落！以上关于《如何充分利用麦肯锡发布的人工智能10大洞察？》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！